Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos
- Autores
- Ganz, Nancy; Ares, Alicia; Kuna, Horacio Daniel
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Hoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Este trabajo tiene por objetivo investigar el beneficio de la utilización de múltiples algoritmos de clasificación, para la predicción de fracasos en implantes dentales de la provincia de Misiones, Argentina validado por expertos humanos. El modelo abarca la combinación de los clasificadores Random Forest, SVM, KNN, Naive Bayes y perceptrón multicapa. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. Nuestro enfoque logra sobre el conjunto de datos de implantes un porcentaje de acierto del 93% de casos correctamente identificados, mientras que los expertos humanos consiguen un 86% de precisión. En base a esto podemos alegar, que los sistemas de múltiple clasificadores son un buen enfoque para la predicción de fracasos en implantes dentales.
Sociedad Argentina de Informática - Materia
-
Ciencias Informáticas
Ensamble de clasificadores
Predicción
Clasificación
Fracaso
Implantes Dentales - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/3.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/114633
Ver los metadatos del registro completo
id |
SEDICI_0a4c8e8f457847875f752a4d836334d6 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/114633 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanosGanz, NancyAres, AliciaKuna, Horacio DanielCiencias InformáticasEnsamble de clasificadoresPredicciónClasificaciónFracasoImplantes DentalesHoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Este trabajo tiene por objetivo investigar el beneficio de la utilización de múltiples algoritmos de clasificación, para la predicción de fracasos en implantes dentales de la provincia de Misiones, Argentina validado por expertos humanos. El modelo abarca la combinación de los clasificadores Random Forest, SVM, KNN, Naive Bayes y perceptrón multicapa. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. Nuestro enfoque logra sobre el conjunto de datos de implantes un porcentaje de acierto del 93% de casos correctamente identificados, mientras que los expertos humanos consiguen un 86% de precisión. En base a esto podemos alegar, que los sistemas de múltiple clasificadores son un buen enfoque para la predicción de fracasos en implantes dentales.Sociedad Argentina de Informática2020-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1-10http://sedici.unlp.edu.ar/handle/10915/114633spainfo:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/agranda/AGRANDA-01.pdfinfo:eu-repo/semantics/altIdentifier/issn/2683-8966info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:18:34Zoai:sedici.unlp.edu.ar:10915/114633Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:18:34.595SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
spellingShingle |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos Ganz, Nancy Ciencias Informáticas Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales |
title_short |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_full |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_fullStr |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_full_unstemmed |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_sort |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
dc.creator.none.fl_str_mv |
Ganz, Nancy Ares, Alicia Kuna, Horacio Daniel |
author |
Ganz, Nancy |
author_facet |
Ganz, Nancy Ares, Alicia Kuna, Horacio Daniel |
author_role |
author |
author2 |
Ares, Alicia Kuna, Horacio Daniel |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales |
topic |
Ciencias Informáticas Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales |
dc.description.none.fl_txt_mv |
Hoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Este trabajo tiene por objetivo investigar el beneficio de la utilización de múltiples algoritmos de clasificación, para la predicción de fracasos en implantes dentales de la provincia de Misiones, Argentina validado por expertos humanos. El modelo abarca la combinación de los clasificadores Random Forest, SVM, KNN, Naive Bayes y perceptrón multicapa. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. Nuestro enfoque logra sobre el conjunto de datos de implantes un porcentaje de acierto del 93% de casos correctamente identificados, mientras que los expertos humanos consiguen un 86% de precisión. En base a esto podemos alegar, que los sistemas de múltiple clasificadores son un buen enfoque para la predicción de fracasos en implantes dentales. Sociedad Argentina de Informática |
description |
Hoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Este trabajo tiene por objetivo investigar el beneficio de la utilización de múltiples algoritmos de clasificación, para la predicción de fracasos en implantes dentales de la provincia de Misiones, Argentina validado por expertos humanos. El modelo abarca la combinación de los clasificadores Random Forest, SVM, KNN, Naive Bayes y perceptrón multicapa. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. Nuestro enfoque logra sobre el conjunto de datos de implantes un porcentaje de acierto del 93% de casos correctamente identificados, mientras que los expertos humanos consiguen un 86% de precisión. En base a esto podemos alegar, que los sistemas de múltiple clasificadores son un buen enfoque para la predicción de fracasos en implantes dentales. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/114633 |
url |
http://sedici.unlp.edu.ar/handle/10915/114633 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://49jaiio.sadio.org.ar/pdfs/agranda/AGRANDA-01.pdf info:eu-repo/semantics/altIdentifier/issn/2683-8966 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/3.0/ Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/3.0/ Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0) |
dc.format.none.fl_str_mv |
application/pdf 1-10 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1846064243904872448 |
score |
13.22299 |